Detección de noticias falsas en redes sociales basada en aprendizaje automático y profundo: Una breve revisión sistemática

• Nathaly Álvarez-Daza ^[1] ; Pablo Pico-Valencia ^[1] ; Juan A. Holgado-Terriza ^[2]
  1. [1] Pontificia Universidad Católica del Ecuador

     Pontificia Universidad Católica del Ecuador

     Quito, Ecuador

     
  2. [2] Universidad de Granada

     Universidad de Granada

     Granada, España

     
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. Extra 41, 2021, págs. 632-645
• Idioma: español
• Títulos paralelos:
  • Detection of fake news in social networks based on machine and deep learning: A brief systematic literature review
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Las redes sociales han cambiado la forma en que la sociedad se informa.

    Redes sociales como Twitter y Facebook cuentan con millones de usuarios quienes muchas veces comparten noticias falsas (fake news) sin saberlo. Los contenidos de estas noticias son falsos y no verificados, y llegan a viralizarse, engañando y causando pánico. El objetivo de este estudio es desarrollar una revisión de la literatura en la que se determina cómo el aprendizaje automático y aprendizaje profundo, han apoyado para el desarrollo de clasificadores de noticias falsas en redes sociales. El estudio fue desarrollado a partir de una metodología formal usada en ciencias de la Computación. Los resultados mostraron que los modelos de aprendizaje han sido ampliamente usados para crear sistemas de detección de noticias falsas, predominando la detección en el ámbito político, sociedad, salud y desastres naturales. Se constató que se emplearon mayoritariamente los modelos de aprendizaje automático en comparación con los de aprendizaje profundo, aun así, ambos enfoques demostraron ser eficientes para clasificar noticias falsas, jugando un determinante de los resultados, el set de datos y el método de extracción de características empleado.

  • English

    Social networks have changed how society is informed. Social networks such as Twitter and Facebook have millions of users who often share fake news without knowing it. The contents of these news are false and unchecked, and they become viral, deceiving, and causing panic. The objective of this study is to develop a literature review that examines how machine and deep learning have supported the development of social media fake news classifiers. The study was developed from a formal methodology used in computer science. The results showed that learning models have been widely used to create false news detection systems, with detection predominating in the political field. It was found that machine learning models were mostly used in contrast with deep learning models, however, both approaches demonstrated be efficient to classify fake news, playing a decisive factor of the results, the data set and the feature extraction method used.